项目
聚合研究平台、项目发布、系统演示与机构级研发动态，适合跟踪持续迭代的研究工程与平台建设。
出版日期：2026年9月6日在线发布；来源：《Transport Policy》；作者：Edoardo Marcucci、Valerio Gatta、Ila Maltese、Giovanni Pasquarelli、Bhavani Shankar Balla
Pracownia 是一个关于整体性设计的故事：在用户需求与既有及构想中的物质之间建立关系，从而形成多层次的空间体验。该项目融合了在地文化、自然环境、传统工艺与现代制造技术。空间通过多重体量的叠加及其与周边环境的对话而塑形；细部处理、材料选择与定制化解决方案共同营造出内敛的优雅感，实现了建筑与室内之间的平衡关系。Pracownia 为 OMNI KAISER 糕点店所设计，既是对项目发起者与创造者的创意映射，亦是对未来使用者的前瞻性回应。
微软为其面向开发者的优化版 Windows 体验正式命名：Project Zenith。尽管该公司早先在今年的 Build 大会上宣布过类似面向开发者的 Windows 优化计划，但 Project Zenith 专为配备 64GB 或更大容量统一内存（unified memory）的新一代开发者专用设备而设计。‘Project Zenith 设备预装了专为开发配置的 Windows 系统，并配备……’
出版日期：2026年12月；来源：《交通地理学杂志》（Journal of Transport Geography），第137卷；作者：Jian-yu Ke、Xun Xu、Fynnwin Prager、Tianjun Lu、Parveen Chhetri、Jose N. Martinez
本文提出一种低成本、开源的实验平台，用于微型阿克曼车辆端到端自主驾驶的研究。该平台整合了实体车辆、印刷城市赛道、数据采集工具、轨迹配准模块以及 Webots 数字孪生系统，支持可控实验，从而将基于仿真的自主驾驶方法与真实世界执行相连接。作为首个基线方案，我们实现了指令条件化的行为克隆（command-conditioned behavior cloning）：神经策略网络接收车载摄像头图像及高层导航指令，并输出转向角与速度。该系统在实体车辆与仿真环境中均进行了评估。在真实闭环实验中，所学习策略可沿车道行驶并执行指令转向，其相对于参考路径的平均横向误差为 6.1 cm，接近人类演示中观察到的 4.7 cm。在数字孪生环境中，相机视场角对性能影响显著：当视场角从 58 度扩大至 120 度时，平均横向误差由 35.6 cm 降至 3.3 cm。进一步地，我们利用数字孪生生成合成驾驶数据，并采用学习所得的仿真到真实图像翻译器缩小外观差异；结果表明，仅当采用该合成数据与真实演示联合训练的高容量策略时，系统可在闭环中成功完成全部四条赛道路线；而紧凑型基线模型及仅用真实数据训练的同构网络则无法完成全部路线。这些结果确立了该开源平台作为仿真到真实（sim-to-real）研究实用测试平台的地位，并提供了首个指令条件化的模仿学习基线；我们已公开发布该平台以支持可复现研究。
该市的智能垃圾桶（smart bin）项目将新增20个收集点。此举旨在提升多户住宅堆肥工作成效，以实现华盛顿特区“零废弃物”目标——即到2040年将80%的废弃物进行分流处理。
甲烷分析与EMIT羽流定位模型（Methane Analysis and Plume Localization with EMIT model）是一种深度学习框架，可在全球范围内自动实现甲烷羽流的检测、增强、量化及源识别，将原始卫星数据转化为可扩展的气候行动依据。甲烷是一种强效温室气体；在100年时间尺度上，其全球增温潜势是二氧化碳的30倍。事实上，自工业革命以来，甲烷已导致约25%的人为引起的全球变暖。
《GIS学报》（Transactions in GIS），2026年9月，第30卷第6期。
现代关键基础设施亟需能够弥合数字漏洞与物理后果之间鸿沟的高保真训练工具。本文提出一种轻量级、模块化的网络靶场（Cyber Range, CR），旨在高保真地模拟信息技术（IT）与运行技术（OT）环境。该平台以FastAPI框架为后端，采用Quick Emulator（QEMU）/基于内核的虚拟机（KVM）虚拟化技术，并通过基于YAML的引擎，在标准硬件上以极低开销自动部署复杂网络。为验证其能力，我们构建了一个虚构智能城市中的光伏发电（PV）电站场景：该场景模拟了一起多阶段攻击，起始于家庭物联网（IoT）设备遭入侵，并逐步升级为导致军事基地大规模停电的事件。所提出的CR原生支持Modbus/TCP和消息队列遥测传输（MQTT）等工业协议，并集成“绿队”（Green Team）框架，用于评估人员在危机情境下的响应表现。本文阐述了该系统的整体架构、自动化部署机制、协议仿真能力以及场景设计方法。
车联万物（V2X）协同可实现超视距感知，缓解单车传感器因遮挡导致的感知局限。然而，现有V2X基准对闭环评估和语言引导监督的支持有限，制约了面向端到端协同驾驶的视觉-语言模型（VLM）的发展。为解决上述局限，我们提出V2XBench——一个具备同步主车-路侧感知与闭环评估能力的仿真平台，以及Chat-V2XBench——一个面向协同推理、渐进式结构化的视觉问答（VQA）数据集。基于该基准基础设施，我们进一步提出AURORA，一种端到端协同驾驶框架。该框架采用双视角感知架构，并通过查询级跨视角查询对齐与融合（CQAF）模块，在查询层面缓解主车与路侧视角间的空间与语义差异。利用由此生成的统一表征令牌，一个经LoRA适配的VLM实现了语义推理与生成式轨迹规划的联合建模。在V2XBench上开展的大量闭环评估表明，AURORA在严重遮挡场景下达到当前最优性能，路径完成率达98.21%，驾驶评分为76.02，同时仅需较低的路侧通信带宽。本工作最终开创了一种可扩展的V2X-VLM范式，为下一代协同自动驾驶奠定基础。
潘多拉（Pandora）是 NASA 最新的系外行星任务，也是该机构天体物理学先驱计划（Astrophysics Pioneers program）中首颗发射的卫星。目前，该任务正对太阳系外的行星及其所环绕的恒星开展独特观测。任务将测定至少 20 颗系外行星的大气成分，包括是否存在霾、云和水。"潘多拉的数据[…]"
出版日期：2026年11月；来源：《交通研究D辑：交通与环境》，第160卷；作者：Lara Pomaska、Gordon Wilmsmeier、Johannes Meuer
NASA 已选定四支大学团队，通过涵盖高超声速推进系统至小型飞机城市低噪声飞行航路等项目，协助该机构变革未来航空。此次遴选通过 NASA 的大学领导力倡议（University Leadership Initiative）实施，该倡议为学生团队提供参与真实飞行研究的机会，以推动 NASA 在航空领域的目标。
出版日期：2026年12月；来源：《交通运输研究C辑：新兴技术》，第193卷；作者：周润豪（Markus Runhao Zhou）、杨梦琳（Menglin Yang）、塞巴斯蒂安·帕佩（Sebastian Pape）、王萌（Meng Wang）
美国建筑师注册委员会（NCARB）发布了其年度报告《NCARB 数据概览》2026 年版，呈现了 2025 年度美国建筑师执照授予及人口统计学相关数据。最新数据显示，申请执照人群的多样性正逐步提升；然而，已获执照的建筑师群体在人口构成上仍远不如当前申请者群体多元。该报告还考察了通向执照获取路径中的人员流失情况，揭示了最终获得职业注册资格人群的结构性差异。
OpenStreetMap（OSM）已从一项开创性的志愿地理信息项目，演变为一个全球性、跨学科的研究枢纽。本研究采用文献计量与系统性……
社交媒体平台导致两极分化，是因为它们掩盖了分歧，还是因为它们使人们暴露于分歧之中？我们研究了一个连续时间模型：智能体在物理空间中通过布朗运动扩散，同时在有限注意力预算下，经由一个自适应的、算法驱动的数字网络进行交互。当影响纯为同化型（即有界置信度）时，无视观点的长程暴露可修复因局部性导致的碎片化，而算法同质性则构建回音室；一旦影响中包含对强烈对立观点的排斥反应，平台设计的排序即发生逆转：一个中立、未经筛选的平台导致最大程度的两极分化，意见被锁定在极端位置；追求争议性内容的参与度算法几乎同样具有激进化效应；而强算法同质性却悖论式地使群体免于极端主义。一个双阵营简化模型表明，由参与度核函数设定的稳态跨阵营注意力比例控制着激进化速率，且存在一个数字注意力份额的有限时间尺度临界值 $λ_c(T)$——该结果与模拟一致，且未对激进化起始数据拟合任何参数。因此，激进化是速率受限的，而非阈值受限的。在不同排斥参数、核函数及规模（最大至 $N=1600$）下，未经筛选的暴露均设定了激进化的饱和水平。一个流动性–注意力相图显示，一旦平台占据个体绝大部分注意力，物理流动性便变得无关紧要。在观点无关的流动性假设下，我们未检测到地理层面的意见结构；仅当施加强度为 $χ$ 的类似谢林（Schelling）模型的同质性漂移，且其佩克莱特数 $χ\ell/D\sim 1$ 超过某一阈值时，该结构才得以恢复。本模型为实证研究中观察到的‘经算法筛选的交叉暴露反而加剧两极分化’现象提供了一种机制解释，并暗示‘暴露多样性’本身并非充分条件……
当前交通数据采集主要依赖深度目标检测器，再辅以基于检测的跟踪（tracking-by-detection）流程；该流程预设了一个实践中常缺失的前提：检测器已针对待计数的目标类别完成训练。我们重新审视了一种专为单板计算机（SBC）设计的纯几何交通感知流程，其中检测环节是类别无关的：运动目标通过背景减除与阈值化获得，计数则依据一条横跨道路的虚拟线（即软件定义的感应环路检测器）上的几何规则判定。该方法无需目标模型、训练集或逐目标轨迹，可在树莓派（Raspberry Pi）级别硬件上以超实时速度运行。文中描述了两种计数规则：其一为恒定平均速度规则，其理论精度在车速服从高斯分布时可解析推导为约86%；其二为自校准预标定规则，该规则从斑块（blob）统计中恢复车道几何结构，并通过检测车道占用边缘实现计数，同时零额外开销地输出每辆车的平均速度。在四段视频测试中，后一规则的计数精度达83.3%–100%；在实地部署中，其精度达91%，而相同计算资源下的斑块跟踪基线方法仅为37.5%。我们详细报告了该部署期间的若干关键观测结果：精度骤降的分辨率下限、车辆在计数线上发生混叠的帧率下限、短片段人工剪辑与长时段无控实拍之间的性能差距，以及Python（易于调优，CPU占用率100%）与C++（CPU占用率40%，热稳定性更佳）之间的权衡。这些特性源于采样几何结构本身，而非特定历史时期的硬件限制，至今仍制约着边缘端部署。最后，我们论证了基于运动、类别无关的检测方法仍适用的场景：开放集类别且缺乏标注数据、功耗预算极其紧张、隐私敏感等。